成像型可見光定位系統(tǒng)優(yōu)化研究

劉翔宇 劉保睿 宋 嵩* 郭 磊③

①(重慶郵電大學通信與信息工程學院，智能通信與網(wǎng)絡安全研究院 重慶 400065)

②(東北大學計算機科學與工程學院 沈陽 110819)

③(杭州中科先進技術研究院 杭州 310005)

1 引言

隨著無線通信技術的發(fā)展和智能移動終端的更新?lián)Q代，基于位置的服務(Location Based Service,LBS)已經(jīng)成為人們生活中不可缺少的一部分，室內(nèi)活動的逐漸增加使人們對室內(nèi)定位的需求也越來越大[1,2]。

與只需要米級別精度的室外定位技術相比，室內(nèi)定位環(huán)境動態(tài)性更強，需要分米乃至厘米級別的精度。目前，室內(nèi)無線定位的主流方案有：無線局域網(wǎng)(Wi-Fi[3])、藍牙(Bluetooth[4])、射頻識別(Ratio Frequency IDentification, RFID[5])、超寬帶(Ultra Wide Band, UWB[6])和Zigbee[7]等定位技術。但這些技術卻存在定位成本與定位精度之間難以均衡的問題。例如，超寬帶技術能夠提供厘米級的定位服務，但是需要專業(yè)設備進行部署，費用高昂。Wi-Fi技術部署成本低廉，但是定位精度僅為米級別。

與這些定位方案相比，利用發(fā)光二極管(Light Emitting Diode, LED)的成像型可見光定位(Visible Light Positioning, VLP)技術具有同時滿足高精度和部署成本低的優(yōu)勢，受到了國內(nèi)外廣泛的關注[8,9]。室內(nèi)成像型可見光定位系統(tǒng)的應用場景如圖1所示。

圖1 室內(nèi)可見光定位技術應用場景

目前，成像型可見光定位技術的研究者多集中于提高系統(tǒng)的定位精度[10,11]，忽略了現(xiàn)有定位系統(tǒng)在信標解碼識別率和定位算法適用性的研究依舊不足。這主要體現(xiàn)在：

(1)在成像型接收端解碼過程中，接收端利用捕獲圖像中特定條紋的寬度計算單位bit寬度1)單位bit寬度指1位編碼形成的條紋在圖像中所占像素點的個數(shù)。，以此判定其他條紋并進行解碼。但接收端移動會使得捕獲到的圖像產(chǎn)生模糊效應[12]，進而導致圖像中的條紋寬度發(fā)生變化，降低接收端的解碼識別率，影響定位系統(tǒng)性能；

(2)在成像型接收端定位算法過程中，現(xiàn)有雙燈定位算法通過將旋轉(zhuǎn)角定義為“世界坐標系與圖像坐標系的夾角”實現(xiàn)坐標等效轉(zhuǎn)換[12], 但這一夾角無法在所有正向旋轉(zhuǎn)與逆向旋轉(zhuǎn)條件下都計算正確，有可能導致該次定位失效，降低系統(tǒng)的平均定位精度與實效性；

(3)移動狀態(tài)下接收端捕捉LED數(shù)量是動態(tài)變化的，而現(xiàn)有定位系統(tǒng)采用固定的定位算法實現(xiàn)定位。例如，基于雙燈的定位算法，當系統(tǒng)捕獲1盞LED時，定位系統(tǒng)失效，當捕獲到多余3盞LED時，定位算法仍采用2盞LED進行定位。這會導致定位系統(tǒng)在移動狀態(tài)下的精度產(chǎn)生大范圍幅度變化。

針對上述問題，本文在成像型可見光定位系統(tǒng)的基礎上，提出如下優(yōu)化解決方案：

(1)本文設計了基于條紋寬度比(Fringe Width Ratio, FWR)的解碼算法。本算法通過引入條紋寬度比，增大條紋判決范圍，使得因模糊效應導致寬度變化的條紋被成功識別。

(2)針對雙燈算法中旋轉(zhuǎn)角定義不明確的問題，本文提出旋轉(zhuǎn)角優(yōu)化方案。本方案將水平旋轉(zhuǎn)角度重新定義為“以世界坐標系為基準，圖像坐標系順時針旋轉(zhuǎn)的角度”，去除了“人為設置閾值來判決正負雙旋轉(zhuǎn)角中的正確角度”這一不穩(wěn)定的判定機制，保證了旋轉(zhuǎn)角的唯一性和準確性，

(3)針對接收端移動狀態(tài)下定位精度變化問題，本文設計了基于旋轉(zhuǎn)角優(yōu)化的聯(lián)合定位算法。當接收端僅捕獲1盞LED時，聯(lián)合定位算法使用智能手機的傳感器確認旋轉(zhuǎn)角，并進行單燈定位；當接收端捕獲兩盞及以上LED時，聯(lián)合定位算法采用旋轉(zhuǎn)角優(yōu)化后的雙燈算法定位。

最后，本文搭建實驗平臺進行定位與導航功能測試。在3.2 m×3.0 m的空間下，設計的解碼算法在1.5 m內(nèi)能夠達到99%以上的解碼識別率；設計的定位算法平均定位誤差為3.998 cm。優(yōu)化的定位系統(tǒng)能夠滿足以工廠內(nèi)智能小車的物流運輸為模擬場景的室內(nèi)定位與簡易導航需求，提升了定位系統(tǒng)中解碼識別成功率和定位算法適用性。

2 經(jīng)典可見光定位系統(tǒng)

2.1 經(jīng)典系統(tǒng)模型

成像型室內(nèi)可見光定位系統(tǒng)模型分為兩個部分[13,14]：發(fā)送端與接收端，如圖2所示。

圖2 基于圖像處理的室內(nèi)可見光定位系統(tǒng)

在發(fā)送端，LED通過微控制處理器進行信號編碼與調(diào)制，使得每盞LED發(fā)出帶有自身位置信息的唯一信標[15]。在接收端，智能手機捕獲帶有LED的圖像，并進行一系列的圖像處理來解碼與識別出LED的信標信息。然后，系統(tǒng)計算出接收端的世界坐標，實現(xiàn)定位。

2.2 經(jīng)典圖像解碼算法

在可見光定位系統(tǒng)中，發(fā)送端LED將發(fā)送信標的序列頭設置為持續(xù)時間最長的高電平。這使得接收端在捕獲圖像中僅需找尋最寬亮條紋便可識別出捕獲的序列頭。然后，解碼算法利用捕獲的序列頭寬度計算單位bit寬度。有了單位bit寬度后，系統(tǒng)便能夠判斷每個捕獲條紋的寬度所攜帶的bit信息，實現(xiàn)解碼，如圖3所示。

圖3 捕獲LED圖像二值化后進行解碼

2.3 經(jīng)典定位算法

在世界坐標系與圖像坐標系完全平行的情況下，根據(jù)相似三角形原理，可得出關系為

圖5 1盞LED 的可見光定位算法

3 基于條紋寬度比的解碼算法

為了使圖像解碼算法能夠克服模糊效應，并在移動狀態(tài)下具有較高的解碼識別率，本節(jié)提出基于條紋寬度比的圖像解碼優(yōu)化算法。

3.1 優(yōu)化方案

現(xiàn)有圖像解碼算法效果不佳的原因是由于對條紋寬度判別要求過于嚴格。因此，本優(yōu)化算法引入條紋寬度比，使一定寬度范圍內(nèi)的條紋都可被視為同種條紋。優(yōu)化的解碼算法步驟如下：

步驟1 智能手機對捕獲的圖像提取得到多個LED子圖；

步驟2 對多個子圖進行二值化；

步驟3 取得子圖中間一行每個像素點的紅綠藍(Red Green Blue, RGB)值，利用灰度與RGB值關系Gray(i)=0.299×R(i)+0.587×G(i)+0.144×B(i)計算每點的灰度值；

步驟4 比較前后兩點的灰度值大小，若滿足Gray(i)>Gray(i ?1) ，則判定第i列為白條紋起點。反之若 Gray(i)

步驟5 判斷次長白條紋寬度是否大于最長白條紋寬度的90%。若大于，則進入步驟6-1，否則進入步驟6-2；

步驟6-1 最長的兩個條紋均為序列頭，對這兩個條紋區(qū)間內(nèi)條紋進行解碼。若第x(y)個條紋為最(次)長的條紋，則從第i=x+1個條紋開始解碼；

步驟6-2 子圖中僅包含一個完整序列頭，從序列頭前第7個條紋到序列頭后第8個條紋進行解碼(參見圖6)；

圖6 子圖中包含序列頭的不同情形

步驟7 判斷條紋的顏色。若解碼為黑條紋，對大于最短黑條紋1.65倍寬度的條紋判別為黑22)黑2表示該條紋是最短黑條紋寬度的2倍。，否則判別為黑1。若解碼為白條紋，對大于3倍最短白條紋寬度的條紋判別為白5，對最短白條紋寬度1.6倍到3倍之間的條紋判別為白2，其余條紋判別為白1；

步驟8 判定i是 否等于y，即是否完成區(qū)間內(nèi)最后一個條紋解碼。若是，則解碼工作結束；若不是，則令i=i+1，并重復步驟7。

3.2 優(yōu)化分析

優(yōu)化的解碼算法增加如下部分：

(1)二值化。捕獲LED子圖進行二值化處理，如圖3所示。通過圖3可以發(fā)現(xiàn)，二值化處理后像素值僅包含灰度值0和255，解碼算法不再需要人為設置閾值判別像素點的灰度值，降低了現(xiàn)有算法步驟3和步驟4中進行顏色判別所帶來的不穩(wěn)定性。

(2)多重解碼方式。由于捕獲LED時預覽框中條紋是循環(huán)滾動的，子圖中可能出現(xiàn)包含1個或2個完整的序列頭情形，如圖6所示。

當子圖中只包含1個完整序列頭時，現(xiàn)有解碼算法無法以序列頭為起點捕獲完整的信號周期，需要重新捕獲圖像進行解碼，增大了系統(tǒng)的處理時間。本優(yōu)化算法則提供解碼方式。以圖6(a)為例，當其中僅包含1個完整的序列頭時，序列頭的位置大致位于子圖中央，為了對每盞LED都能穩(wěn)定形成解碼區(qū)間，選取序列頭前7個與后8個條紋作為解碼區(qū)間。然后，系統(tǒng)對包含序列頭在內(nèi)共16個條紋進行解碼，并為該解碼方式單獨賦予碼序列。

(3)引入條紋寬度比。在本文，子圖中條紋的寬度采用數(shù)字進行標識，數(shù)字“5”表示此條紋像素寬度為最短條紋寬度的5倍，如圖7所示。在圖7中，除了被標注的條紋，其余白條紋均為白1，黑條紋均為黑1，條紋種類人眼能夠輕易辨識出來。

圖7 條紋種類示意

由于子圖受到模糊效應的影響，各條紋的寬度并不完全滿足式(7)

但人眼依舊可以辨別條紋種類。仿照人眼可以將一定范圍內(nèi)寬度的條紋辨別為同一種類的條紋這一現(xiàn)象，引入條紋寬度比，增加算法對條紋寬度的容錯，提高解碼識別率。

具體引入方式如下：

(1)在解碼方式選擇階段，利用次長條紋與最長條紋的寬度比判定次長條紋是否為白5，得到子圖中序列頭的數(shù)量，據(jù)此選擇解碼方式；

(2)在條紋種類判別階段，利用被解碼條紋的寬度與子圖中該顏色最短條紋寬度的比例關系判定被解碼條紋的種類；

(3)在條紋寬度比數(shù)值的選擇問題上，通過大量測試不同子圖中各條紋的寬度，最終選定適用于所有子圖條紋的比例數(shù)值，進行條紋判定。

4 基于旋轉(zhuǎn)角優(yōu)化的聯(lián)合定位算法

本節(jié)介紹室內(nèi)定位系統(tǒng)的定位算法優(yōu)化方案。

4.1 旋轉(zhuǎn)角唯一化

傳統(tǒng)定位算法中，理論上旋轉(zhuǎn)角存在兩個解，θ1和θ2計算的定位結果只有一個是正確的。但人為設置的閾值可能使得旋轉(zhuǎn)角θ1和θ2計算的定位結果都被判定為正確的，兩者取均值會使該次定位失效，降低系統(tǒng)的平均定位精度。

具體地，當兩盞LED圖像解碼成功后，現(xiàn)有定位算法利用子圖圓心的像素坐標計算出α和β，如圖4(b)。然后，算法分別將旋轉(zhuǎn)角θ1=a ?β和旋轉(zhuǎn)角θ2=β ?α代入式(4)，通過式(3)計算出A燈定位結果 (XθiA,YθiA) 及 B燈定位結果(XθiB,YθiB)，定位結果代入式(8)

圖4 兩盞LED的可見光定位算法

(2)如果旋轉(zhuǎn)角接近0°或180°，智能手機方向傳感器角度與θ1或θ2接近，但始終θ1計算的定位結果與實際測量的結果更接近。

因此，本文以方向傳感器數(shù)值顯示規(guī)則為思路(數(shù)值以正北方向為基準，順時針旋轉(zhuǎn)的角度范圍為0°～360°)，將算法中的旋轉(zhuǎn)角定義為“以世界坐標系為基準，圖像坐標系順時針旋轉(zhuǎn)的角度”。通過這樣定義，可以獲得正確的定位結果。

此優(yōu)化點解決了式(8)設置閾值判別旋轉(zhuǎn)角可能出現(xiàn)將錯誤結果以均值形式計入最終結果中導致該次定位失效的問題，對旋轉(zhuǎn)角進行了唯一化定義，提升了系統(tǒng)的定位精度。

4.2 聯(lián)合定位

多數(shù)情況下，可見光定位系統(tǒng)接收端在移動狀態(tài)下捕獲到LED的數(shù)量是非固定的。若系統(tǒng)只使用單燈算法，會由于傳感器的因素導致定位精度偏低；若系統(tǒng)只使用多燈算法，當接收端僅捕獲1盞LED時無法定位。

因此，本文針對上述問題提出了應對接收端在移動狀態(tài)下捕獲任意數(shù)量LED情況的聯(lián)合定位算法。

圖8為本優(yōu)化算法方案的設計思路。通過在實驗場景及其他不同場所測試后發(fā)現(xiàn)，正常成年人手持智能手機對LED進行移動拍照時，屏幕捕獲到1或2盞LED。雖然也能捕獲到3盞及以上LED，但是概率較低，這是由于光源分布稀疏及手機視場角受限。為了盡量降低定位復雜度，當本系統(tǒng)捕獲到3盞及以上LED時，定位算法不采用諸如三邊定位法的多燈算法，而是僅選取其中兩盞LED進行優(yōu)化的雙燈算法定位。

圖8 基于旋轉(zhuǎn)角優(yōu)化的聯(lián)合定位算法

具體地，本文設計的算法加入了基于接收端捕捉到信標數(shù)量的自適應算法切換機制，結合優(yōu)化點(1)，當解碼成功的信標數(shù)量大于等于2時使用優(yōu)化后的雙燈算法，同時加入單燈算法彌補解碼成功的信標數(shù)量為1時的空白，做到“只要有至少1個能夠成功解碼的子圖，定位就不會失敗”。就定位結果而言，降低了接收端在移動狀態(tài)下定位失敗的可能性，整體而言提升了定位算法的魯棒性。

為了響應政府號召、補充現(xiàn)有研究、拓展上海環(huán)城綠帶的復合功能,本文對上海環(huán)城綠帶百米林帶植物群落進行了全面的調(diào)查研究。從群落外貌特征、景觀結構、空間特征以及游憩利用現(xiàn)狀4個方面對百米林帶中101個典型植物群落樣方進行調(diào)查,明確上海環(huán)城綠帶百米林帶植物群落結構特征以及布局模式,針對現(xiàn)狀存在的問題，分析其可能產(chǎn)生的原因,并提出優(yōu)化建議; 同時通過現(xiàn)場觀察及問卷調(diào)查，對上海環(huán)城綠帶百米林帶植物群落的游憩現(xiàn)狀進行分析和總結,思考在維持林帶生態(tài)景觀功能的前提下,提升游憩功能的適宜性。以期對上海環(huán)城綠帶百米林帶后續(xù)建設及優(yōu)化改造提供指導性建議,使其能更好地滿足城市生態(tài)建設及游憩服務的需求。

5 簡易導航

本節(jié)從用戶實際需求出發(fā)，結合實驗環(huán)境內(nèi)有限條件，設計簡易導航算法。

5.1 導航規(guī)劃

圖9左為實驗測試場景(取自智能手機應用界面)，該圖向上指北，以房間西北角為原點，x軸正方向指東，y軸正方向指南。圖9中1～9號標記為9盞LED的位置，坐標對應為 (x1,y1)～(x9,y9)。每兩盞相鄰的LED間的距離大致相同，9盞LED形成了田字格。

導航算法以工廠內(nèi)智能小車接收端進行物流運輸為模擬應用場景。假設智能小車只有在田字格上的路徑為小車行駛安全路徑，其余區(qū)域不適合小車進行工作。若小車處于安全路徑外，需要優(yōu)先執(zhí)行回到安全路徑上的指令。

現(xiàn)小車處于房間內(nèi)能夠捕獲到LED的某一位置(x,y) ， 目標地點為某盞LED正下方(x′,y′)，如圖9右所示。根據(jù)選擇的目標點，設計算法引導智能小車首先走最短路線回到安全路徑上，然后再沿著安全路徑走最短距離到達目標地點。對于圖9右中的情況，若智能小車前往2號LED下，則導航路線應為(x,y) →(x,y3)→8號LED→5號LED→2號LED。

5.2 導航實施方案

圖9右為一個矩形的無向無權圖，其特點為圖中任意一個矩形對角的兩個節(jié)點間所有路徑的路程相同。根據(jù)此特點，簡易導航算法主要步驟如下：

圖9 導航算法模擬場景及實施方案

步驟1 將x分別與x1,x2,x3對比，y分別與y1,y2,y3對 比，當x或y與對比數(shù)值相同時，說明出發(fā)點(x,y)已在安全路徑上，執(zhí)行步驟3。否則說明(x,y) 在安全路徑外，檢查(x,y)是否在安全路徑圍成的區(qū)域內(nèi)部，若是則執(zhí)行步驟2-1，否則執(zhí)行步驟2-2；

步驟2-1 查詢 (x,y)距離哪條路徑最近，對|x ?xi|, |y ?yi|(i=1,2,3)共6個距離進行排序，得到其中的最小值 min(|x ?xi|) 或m in(|y ?yi|)。若(x,y)離 東西方向的路徑最近，則令y=y ?(y ?yn)(n為m in(|y ?yi|) 中i的 值)，若(x,y)離南北方向的路徑最近，則同理，智能小車回到安全路徑后，執(zhí)行步驟3；

(1)y

(2)y>y3且x1≤x ≤x3為 正南方位，令y=y3，即(x,y)→(x,y3)；

(3)x

(4)x>x3且y1≤y ≤y3為 正 東 方 位， 令x=x3，即(x,y)→(x3,y)；

(5)x

(6)x>x3且y

(7)xy3為 西 南 方 位， 令x=x1,y=y3，即(x,y)→(x1,y3)；

(8)x>x3且y>y3為 東 南 方 位， 令x=x3,y=y3，即 (x,y)→(x3,y3)；然后執(zhí)行步驟3；

步驟3 使用步驟1方法判斷智能小車當前處于東西方向的路徑還是南北方向的路徑，若處于東西方向路徑執(zhí)行步驟4-1，若處于南北方向路徑執(zhí)行步驟4-2；

6 實驗測試

本節(jié)分別從解碼識別率、定位精度以及導航功能對設計的可見光定位系統(tǒng)進行測試。

6.1 硬件搭建

系統(tǒng)發(fā)送端和接收端的參數(shù)設置如表1所示，信標編碼參數(shù)如表2所示。每個信號周期由“序列頭+8位數(shù)據(jù)+序列尾”組成，序列頭占5位編碼，每位數(shù)據(jù)占2位編碼(高電平用“10”表示，低電平用“01”表示，這樣在8位數(shù)據(jù)的編碼中不會出現(xiàn)連續(xù)3個以上的“0”或“1”，有效防止LED閃爍)，序列尾占1位編碼，共22位。每位編碼所占時間為80 ms。

表1 系統(tǒng)參數(shù)設置

表2 信標編碼參數(shù)

圖10為實驗測試場景實物圖，圖10(a)為發(fā)送端元件，圖10(b)為天花板布局，圖10(c)為智能手機接收端。在本系統(tǒng)中，設計的軟件系統(tǒng)執(zhí)行1次定位所需的時間為350 ms，其中捕獲圖像并存儲所需150 ms，執(zhí)行圖像處理所需150 ms，定位算法所需時間為20～30 ms，各步驟之間存在時間冗余間隙，用于去除軟件代碼可能帶來的誤差及錯誤影響。

圖10 實驗測試場景實物圖

6.2 解碼識別率

(1)實驗測試。發(fā)送端與接收端之間的距離對接收端解碼識別率的影響如圖11所示。測試過程中，保持發(fā)送端與接收端的各項參數(shù)不變，僅改變接收端與LED之間垂直距離。LED離地面約2.65 m，測試范圍在0.5～2.65 m。接收端對不同高度進行約50次解碼的移動測試。通過圖11可以發(fā)現(xiàn)，解碼識別率在1.5 m處開始下降，在1.9～2 m間下降速度最快，達到2.65 m左右時已幾乎無法正確解碼。

由測試結果可知，發(fā)送端與接收端的垂直距離在1.5 m以內(nèi)時，信標解碼識別率可達99%。發(fā)送端與接收端的垂直距離為1.75 m以內(nèi)時，信標解碼識別率可達到95%以上。與Liu算法[12]對比，解碼識別率有明顯提升。這是因為文獻[12]所采用的條紋判別閾值為硬閾值，無法隨光環(huán)境的變化而發(fā)生變化。同時，成年人手持智能手機距離天花板LED的距離通常在1.75 m內(nèi)，因此，設計的解碼算法滿足絕大多數(shù)用戶的使用條件。

此外，實際應用中接收端捕獲到LED可能不止1盞，而測試中僅對1盞LED的子圖進行解碼。從概率的角度看，當接收端捕獲多盞LED時，同高度下的多個信標中至少1個信標被成功解碼的概率要遠高于圖11中的單盞LED情況，提高了定位系統(tǒng)魯棒性。

圖11 發(fā)送端與接收端的垂直距離對解碼識別率的影響

6.3 定位精度

(1)接收端移動狀態(tài)。移動狀態(tài)下的定位結果如圖12所示。從圖中可以發(fā)現(xiàn)，單燈定位誤差在10 cm左右，雙燈定位誤差在5 cm左右。雙燈定位效果比單燈定位效果要好，這是由于接收端捕獲兩盞以上LED時所采用的旋轉(zhuǎn)角由幾何計算方式得到，相較于1盞LED時讀取方位傳感器所得到的旋轉(zhuǎn)角更為準確。文獻[12]算法無法實現(xiàn)單燈定位，定位結果分布較少，定位精度同本文設計的定位算法大致相同。

此外，從圖12可以發(fā)現(xiàn)，移動軌跡覆蓋到了實驗環(huán)境的大部分區(qū)域，系統(tǒng)的定位誤差在實驗區(qū)域內(nèi)均勻分布，不同位置的定位誤差并未出現(xiàn)明顯差異，證明了聯(lián)合定位算法的可靠性。

圖12 接收端移動狀態(tài)下定位結果分布

(2)接收端定點狀態(tài)。在定點狀態(tài)下，本文盡可能多地采樣定位數(shù)據(jù)。定位系統(tǒng)選擇能夠捕獲到3盞LED的坐標點作為定位點，通過遮擋光路的方式對每兩盞LED分別進行一次雙燈定位，共得到3組數(shù)據(jù)，再對每盞LED分別進行一次單燈定位，得到3組數(shù)據(jù)，每個定位點共6組數(shù)據(jù)，部分測試結果如圖13所示。

圖13 接收端定點狀態(tài)下的部分定位結果分布

定點狀態(tài)與移動狀態(tài)下的接收端定位誤差大致相同，這說明設計的系統(tǒng)在移動和定點狀態(tài)下都能保持良好的應用。同時，由于智能手機傳感器本身的誤差因素，單燈算法的平均定位誤差要高于雙燈算法。在多組測試數(shù)據(jù)的情況下，文獻[12]的雙燈算法定位精度低于本文定位算法中雙燈情況下的定位精度，這說明旋轉(zhuǎn)角優(yōu)化方案降低了定位誤差。

此外，為了提高實驗結果的可靠性，本文采用50個定位點共300組數(shù)據(jù)的定位結果繪制出誤差累積分布函數(shù)(Cumulative Distribution Function,CDF)，如圖14所示。通過圖14可以發(fā)現(xiàn)，單燈算法的最大誤差為37.183 cm，平均誤差為12.093 cm；雙燈算法的最大誤差為9.725 cm，平均誤差為3.998 cm。

圖14 誤差累積分布函數(shù)

產(chǎn)生誤差的原因除了上述提到的傳感器因素外，天花板與地面的平行程度等建筑因素、測試時智能手機發(fā)生輕微傾斜等人為因素以及輪廓檢測算法對子圖圓心檢測準確程度等圖像處理因素，都會為定位系統(tǒng)帶來誤差。

6.4 導航

本文設計的導航功能具有如下效果：

(1)進行模式選擇，進入導航模式；

(2)在導航模式下，點擊屏幕上的LED標記，選擇想要去往的目標地點；

(3)按下開始鍵后智能手機進行一次捕獲定位，并將接收端的位置顯示在屏幕上；

(4)生成一條起始點與目標點間的路徑，形成導航路徑，如圖15所示。

圖15 導航效果展示

例如，將目標地點選為5號LED，其坐標為(1.484, 1.578)。按下導航鍵后，智能手機屏幕顯示當前位置定位為(0.304, 2.478)。定位系統(tǒng)首先判定出起始點在田字格的正西方向。然后，定位系統(tǒng)執(zhí)行導航命令，令接收端先沿x軸進行移動，路徑為(0.304, 2.478)→(0.465, 2.478)。接著，定位系統(tǒng)判定到達點的橫坐標屬于南北方向路徑的橫坐標之一。令接收端接著沿y軸移動至與目標點縱坐標相同處，路徑為(0.465, 2.478)→(0.465, 1.578)。接收端最后再次執(zhí)行移動命令，移動至5號LED正下方，路徑為(0.465, 1.578)→(1.484, 1.578)。至此，導航結束。

7 結束語

本文對室內(nèi)可見光定位系統(tǒng)解碼識別率和定位算法適用性展開了詳細的研究。提出了基于條紋寬度比的圖像解碼算法和基于旋轉(zhuǎn)角優(yōu)化的聯(lián)合定位算法。最后，本文搭建可見光定位系統(tǒng)實驗平臺，從系統(tǒng)解碼識別率、定位精度及導航實現(xiàn)等方面評估設計的定位系統(tǒng)。實驗結果表明，提出的兩種算法方案能夠有效地優(yōu)化可見光定位系統(tǒng)性能。